将来はスポーツ中継や音楽ライブも３Ｄで!?ソニーの“裸眼３Ｄディスプレイ”をたっぷり見る（2020年10月19日） - YouTube
※一部映像を修正し、再アップロードしました。 ソニーは16日、裸眼で３Dの映像を見られる「空間再現ディスプレイ」を発表しました。 その新ディスプレイを、WBSのフィールドキャスター・森田京之介が体験。 その模様をたっぷりと。 また、ソニーはこのディスプレイを使って何をしようとしているのか？ 担当者が語る今後の３D戦略をじっくりとお聞きください。 この新商品は全国5か所のソニーストアで順次展示予定です 。 ◆「ワールドビジネスサテライト」「ガイアの夜明け」などが見放題！ 「テレビ東京ビジネスオンデマンド」はコチラ↓（入会月無料） https://txbiz.tv-tokyo.co.jp/info/lp/?utm_source=youtube&utm_medium=meta ◆毎日ニュースを更新中！ チャンネル登録：https://www.youtube.com/channel/UC
全くの事前情報なしに2D画像のみから3D形状を生成する学習モデル オックスフォード大学が開発
オックスフォード大学の研究チームが開発した 「Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild」[Wu et al. 2020]は、いかなる事前情報なしに、単眼カメラによる静止画から3次元形状を復元する教師なし学習モデルだ。主に、人の顔、猫の顔の再構築を実証した。 [Wu et al. 2020] 多視点画像からの3次元形状復元 これまでにも2次元画像を3次元画像に再構築する手法は、複数研究されてきたが、そのほとんどが異なる視点の複数画像や、3次元の事前情報を必要としてきた。 代表的なところでいうと、異なる視点の複数画像を入力として、対象物の3次元画像を復元するStructure from Motion （SfM）がある。 複数の画像間における特徴点の対応関係を
揺らして遊べるプロジェクションマッピング 東北大が開発
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 東北大学の研究チームが開発した「Interactive Stickies」は、インタラクティブに遊べるプロジェクションマッピングシステムだ。映像コンテンツが平面にぴったり貼り付いているように追従して投影するだけでなく、 平面上の静的物体（印刷や手描きの絵）と、投影した動的物体（プロジェクターによる映像コンテンツ）が相互作用しているように見せられる。 プロトタイプは、同研究チームが以前開発したプロジェクションマッピング技術「Animated Stickies」に基づいて実装。Animated Stickiesは、プロジェクター（事前キャリブレーションなし）とカメラを組み合わせ、映像コンテンツ
“実在しないリアルな顔”を自在に編集できる「StyleRig」 StyleGANで生成した顔の向き、表情、照明を制御
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 独MPI Informatics、仏Technicolor、仏Valeo.ai、米スタンフォード大学による研究チームが開発した「StyleRig」は、機械学習が生成したリアルな、だが実在しない人物の顔（静止画）を自在に編集できるシステムだ。 顔の向きや表情、光の当たり方などを変更できる。 今回の手法は、GAN（Generative Adversarial Network）を用い、リアルな顔画像を生成するNVIDIAの「StyleGAN」をベースにしている。 StyleGANは、高解像度の人物画像や2つの顔を組み合わせた合成画像を生成するスタイル変換ネットワークで、実在しないがリアルな顔を出
動画内の素早い動きから3D人体モデルを連続生成 深層学習を活用
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 ドイツの研究機関Max Planck Institute for Intelligent SystemsとMax Planck ETH Center for Learning Systemsによる研究チームが開発した「VIBE」は、深層学習を用いることで、動画内で動く人の3次元姿勢と形状を連続的に推定する技術だ。 動画から人体の3次元モデルを連続的に推定する手法はこれまでにも研究されてきたが、複雑な動きの場合には正確性が失われ、細部でアーティファクト（ゆがみやズレ等）が起きていた。この課題に対して、これまでの研究成果を上回る高品質な3次元モデルを出力可能にしたのが今回の手法だ。 アーティフ
静止画から3Dイメージを作成し天気や撮影時間帯もどんどん変えられる「NeRF in the Wild」
画像を加工する時に、「この被写体の角度をもうちょっと変えられれば……」と考えたことがある人はいるはず。Googleの研究チームが新たに開発した技術は、そんな望みを叶える、「被写体をさまざまな角度からクリアに見られる3Dイメージを静止画から作り出す技術」です。「Neural Radiance Fields」(ニューラル・ラディアンス・フィールド／NeRF)という技術を発展させたすさまじいものになっています。 NeRF in the Wild https://nerf-w.github.io/ [2008.02268] NeRF in the Wild: Neural Radiance Fields for Unconstrained Photo Collections https://arxiv.org/abs/2008.02268 「NeRF in the Wild」(野生のNeRF)と呼
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
